腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9494)
视频
沙龙
2
回答
如何
使用
与
权重
要求
相同
形状
的
张量
来
显
式
设置
Conv2D
层
的
权重
?
、
、
、
、
我想通过
显
式
定义
层
的
权重
矩阵
来
创建一个
conv2d
层
(
Conv2D
的
use_bias参数
设置
为False)。我一直试图
使用
layer.set_weights(K)
来
实现这一点,其中K是(?,7,7,512,512)
张量
。 在简单
的
Tensorflow API中,可以通过在tf.nn.conv2d(input,filter,..)
浏览 29
提问于2019-01-24
得票数 5
1
回答
tensorflow
conv2d
操作
的
权值和偏置
张量
、
、
我在火炬上得到了一个经过训练
的
神经网络,我需要在tensorflow中准确地重建它。我相信我在tensorflow中正确地定义了网络
的
架构,但是我在传递
权重
和偏置
张量
时遇到了困难。
使用
第三方包,我将火炬网络中
的
所有
权重
和偏置
张量
转换为numpy数组,然后将它们写入磁盘。我可以将它们加载回我
的
python程序中,但我无法找到将它们分配给tensorflow网络中相应
层
的
方法。例如,我在tensorfl
浏览 0
提问于2016-03-25
得票数 13
回答已采纳
1
回答
Pytorch负载模型
、
使用
固定
权重
构建卷积
层
很简单,只需将
权重
内核传递给
conv2d
()即可。并且可以方便地加载预先训练好
的
模型,如VGG19。但我发现
使用
pytorch不是这样
的
,因为
conv2d
()不接受
显
式
的
内核,而是接受内核大小。所以我想知道,我们是否可以通过简单地将
权重
传递给像
conv2d
()这样
的
方法
来
重用VGG19中<
浏览 4
提问于2017-09-18
得票数 1
1
回答
float64在tf.layers中
的
应用
、
、
我知道我可以
使用
dtype=tf.<DTYPE>参数
设置
占位符和
张量
的
数据类型。是否有一种方法可以
显
式
地强制tf.layers (例如tf.layers.conv2d)内
的
权重
为float64,还是
层
的
权重
总是取其输入的确切数据类型?我正在尝试做以下
的
培训
设置
输入:float32,
浏览 2
提问于2018-05-29
得票数 0
2
回答
在神经网络中,输入
的
形状
和神经元
的
数目会有所不同吗?
、
、
、
在Francois
的
“用Python进行深度学习”一书中,我发现了一段输入
形状
为784,单元为32
的
代码。from keras import layersmodel = models.Sequential() model.add(layers.Dense
浏览 3
提问于2021-02-08
得票数 0
回答已采纳
2
回答
CNN中
权重
/滤波器
的
奇怪输出
、
、
、
我
的
任务是在cnn
层
中可视化绘制
的
权重
,现在当我传递参数filters = 32和kernel_size = (3, 3)时,我期望通过
使用
.get_weights()函数(提取
权重
和偏差),输出为3x3大小
的
32个矩阵,但是我得到了一个非常奇怪
的
嵌套输出,输出如下:array([[ 2.87332404e-02...**, -1.99537817e-02,
浏览 3
提问于2019-01-24
得票数 0
回答已采纳
1
回答
将特定
的
TensorFlow变量还原到特定
层
(按名称还原)
、
、
假设我训练了一个TensorFlow模型并保存了它,现在有了一个不同
的
模型,我想对模型中
的
一些
层
(它们具有
相同
的
形状
)
使用
保存模型中
的
一些
权重
。现在,我能够找到
如何
从模型(带有特定名称)中保存特定变量,但我无法找到任何示例
来
按名称还原这些变量。 例如,假设在我保存
的
模型中,我保存了一个名为"v1“
的
权重
张量
(具有某种<
浏览 5
提问于2016-10-09
得票数 5
回答已采纳
1
回答
如何
在keras中用numpy数组初始化
层
、
、
我想把一个预先训练好
的
caffe模型转换成keras,然后我需要逐
层
初始化这些
层
。我将
权重
和偏差保存在mat文件中,并将它们加载到python工作区。我知道“
权重
”参数是
如何
得到numpy数组
的
,但不是怎么得到
的
?谢谢
浏览 3
提问于2017-02-28
得票数 6
回答已采纳
1
回答
如何
去除Tensorflow Keras中
的
特定神经元
、
、
)
层
建立一个新
的
模型,但是这种修改也应该传播到下一
层
的
权重
,因为从致密
层
的
神经元到下一
层
的
连接也被删除了。通过这样
的
操作,我可以手动完成这个任务:所以我可以做这样
的
浏览 3
提问于2021-11-04
得票数 0
回答已采纳
2
回答
如何
更改存储在TensorFlow变量中
的
numpy数组
的
值而不更改
张量
的
任何其他属性?
、
我想把一
层
神经网络
的
权重
转换成一组新
的
已知值。当前
的
一组值是:...<tf.Variable '
conv2d
/kernel:0' shape=0.00894349, ..., 0.04085622, 0.02792494, -0.02052956]]]], dtype=float32)&g
浏览 12
提问于2022-03-10
得票数 0
回答已采纳
3
回答
如何
在TensorBoard模块中
使用
tf.layers和汇总操作
、
、
、
我
使用
的
tf.layers模块创建了一个用于MNIST数字分类
的
CNN。现在,我正在尝试学习
如何
从中
使用
。也许本教程最近还没有更新,因为它说它
的
示例代码是对该教程及其链接
的
修改,但是代码完全不同:它手动定义了一个完全连接
的
单一隐藏
层
网络。TensorBoard教程展示了
如何
通过在
层
的
权重
张量
上创建操作
来
将摘要附加到
层</
浏览 1
提问于2018-03-09
得票数 3
回答已采纳
2
回答
运行模型不会提高推理速度或减小模型大小
、
、
、
、
我试图在PyTorch中用torch.nn.utils.prune修剪我
的
模型,它提供了两个
张量
, 是否有办法提高模型
张量</em
浏览 0
提问于2020-06-11
得票数 6
1
回答
TensorFlow中
的
自定义卷积
层
、
、
、
、
假设我想在神经网络中创建以下一
层
:不是让一个方形卷积滤波器在某个图像上移动,而是希望滤波器
的
形状
是其他
形状
,比如矩形、圆形、三角形等(这当然是一个愚蠢
的
例子;我考虑
的
实际情况是不同
的
)。编辑:如果我只定义一个
权重
的
张量
,也许就足够了,但是如果我可以定制
张量
中
相同
为零
的
条目,并且一些
权重
在这个
张量
的
多个位置显示,
浏览 4
提问于2019-04-09
得票数 2
1
回答
张量
的
随机指数(用
张量
代替抽样)
、
、
、
我试图操纵不同神经网络
的
单个
权重
,看看它们
的
性能是
如何
降低
的
。作为这些实验
的
一部分,我被
要求
从它们
的
重量
张量
中随机取样,我理解为用替换
的
抽样(在统计意义上)。然而,由于它是高维
的
,我被
如何
以一种公平
的
方式
来
做这件事所困扰。下面是我考虑这个问题
的
方法和研究: 这以前是通过选择一个随机
层
,然后在该
层</
浏览 0
提问于2019-04-28
得票数 1
回答已采纳
4
回答
了解角化角中
conv2d
层
的
输出
形状
、
、
我不明白为什么渠道维度不包括在Keras中
的
conv2D
层
的
输出维度中。我有下面的模型 image = Input(shape=(128,128,3)) x =
Conv2D
(24, kernel_size
浏览 5
提问于2019-03-31
得票数 13
1
回答
不包括顶层调用Keras预训练模型
的
区别
、
、
、
调用VGG16模型
与
不包含模型
的
顶层有什么区别?我想知道,当调用模型而不包括顶层时,为什么没有在模型摘要中显示对
层
的
输入参数。我以以下两种方式
使用
了VGG16模型:model = vgg16.VGG16(weights='imagenet', include_top=False)模型中各层
的
形状
不显示任何输入,即(无,64),请见下
浏览 0
提问于2019-02-03
得票数 2
1
回答
如何
使用
tf.layers.conv2d训练具有绑定
权重
的
自动编码器
、
、
、
、
如果我想训练一个具有
相同
权重
的
自动编码器(编码器和解码器有
相同
的
权重
参数),
如何
使用
tf.layers.conv2d
来
正确完成?我不能简单地在编码器和解码器
的
相应
conv2d
层
之间共享变量,因为解码器
的
权重
是编码器
的
转置
权重
。 也许捆绑
的
重量现在很少
使用
,但我只是好奇。
浏览 1
提问于2018-01-15
得票数 0
1
回答
层
中固定
权重
使用
`K.constant`或`self.add_weight(trainable=False)`有什么不同
、
、
我有一个自定义
的
keras
层
,它
使用
一个固定
的
权重
矩阵。我想知道
如何
在tensorflow中
使用
keras API来处理这个固定
权重
矩阵。特别是,既然K.constant提供了更多
的
灵活性(例如,我可以将Layer.set_weights
与
后者一起
使用
),我为什么还要
使用
self.add_weights(trainable=False)呢trainable=False
浏览 14
提问于2019-11-11
得票数 4
回答已采纳
3
回答
应用组卷积,其中每个组被约束为具有
相同
的
权重
、
、
、
组卷积在Keras中可用,
使用
代码如下: 然而,对于我
的
特定应用,我
要求
在训练期间,组卷积中
的
每个组具有
相同
的
权重
。例如,如果我有一个
形状
为8x8x32
的
张量
,并且我想要groups = 2和filter_size=3x3,那么normal group卷积将
使用
两个3x3x16
张量
来
卷积8x8x32
的
前半部分和8x8x32
的
后半
浏览 0
提问于2020-04-15
得票数 3
1
回答
利用本机优化器
的
apply_gradients实现带框约束
的
流延梯度下降
、
假设我们
的
模型参数w有框约束(例如0< w_i < 1)。当我
使用
tf.optimizer (e.g.ADAMOptimizer)
的
子类进行优化时,
如何
在Tensorflow中实现投影梯度下降?
浏览 1
提问于2019-01-14
得票数 0
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
从头开始了解PyTorch的简单实现
Keras官方中文版文档正式发布!
终于!Keras官方中文版文档正式发布了
《Deep Learning with Python》第三章 3.1 走进神经网络之神经网络剖析
在TensorFlow中实现胶囊网络
热门
标签
更多标签
云服务器
ICP备案
实时音视频
云直播
即时通信 IM
活动推荐
运营活动
广告
关闭
领券